纹理特征跨域迁移中的鲁棒性适应：基于木屑湿度预测
计算机视觉与模式识别
2025-10-21 v1
摘要
精准、快速预测木屑湿度对于优化生物燃料生产和确保能源效率至关重要。当前广泛使用的直接方法（烘干法）受限于较长的处理时间和样本破坏性。相较之下，现有的间接方法，包括基于近红外光谱、电容和图像的方法，虽快速却在木屑来源多样化时不够准确。来自不同来源的材料可变性会改变数据分布，削弱数据驱动模型的性能。因此，亟需一种鲁棒的方法来有效缓解来源可变性的影响。先前研究表明，手动提取的纹理特征有望预测木屑湿度。基于此，在本研究中，我们对从木屑图像中提取的五种不同纹理特征类型进行了全面分析，以预测湿度。我们的发现表明，综合包含所有五种纹理特征的特征集合达到了95%的准确率，并持续优于单个纹理特征在预测湿度方面的表现。为确保鲁棒的湿度预测，我们提出了一种名为AdaptMoist的域适应方法，该方法利用纹理特征将一种木屑数据源的知识迁移到另一数据源，以解决不同领域之间的可变性。我们还提出了一种基于调整后互信息的模型保存准则。AdaptMoist方法通过23%提高预测准确率，实现了平均80%的准确率，而非适应模型仅为57%。这些结果凸显了AdaptMoist作为木屑湿度估计跨域鲁棒解决方案的有效性，使其成为依赖木屑行业的潜在解决方案。
关键词
引用
@article{arxiv.2510.16832,
title = {Robust Cross-Domain Adaptation in Texture Features Transferring for Wood Chip Moisture Content Prediction},
author = {Abdur Rahman and Mohammad Marufuzzaman and Jason Street and Haifeng Wang and Veera G. Gude and Randy Buchanan},
journal= {arXiv preprint arXiv:2510.16832},
year = {2025}
}